Ga naar hoofdinhoud
HomePython

Cursus

Kwantitatief risicobeheer in Python

GevorderdVaardigheidsniveau
Bijgewerkt 04-2023
Leer meer over risicobeheer, value at risk en andere dingen die te maken hebben met de financiële crisis van 2008 met behulp van Python.
Start Cursus Kosteloos
PythonApplied Finance
4 u
15 videos
54 Opdrachten
4,500 XP
17,632
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Risico beheren met Kwantitatief Risicobeheer is cruciaal in de bank-, verzekerings- en vermogensbeheersector. Het is essentieel dat financieel risico-analisten, toezichthouders en actuarissen beloningen kwantitatief kunnen afwegen tegen hun blootstelling aan risico.In deze cursus maak je kennis met risicobeheer van financiële portefeuilles aan de hand van de financiële crisis van 2007—2008 en de impact ervan op zakenbanken zoals Goldman Sachs en J.P. Morgan. Je leert hoe je met Python risico kunt berekenen en beperken met behulp van de maatstaven Value at Risk en Conditional Value at Risk, risico kunt schatten met technieken zoals Monte Carlo-simulatie, en geavanceerde technologieën zoals neurale netwerken kunt gebruiken om portefeuilles in real time te herbalanceren.

Vereisten

Introduction to Portfolio Analysis in Python
1

Herhaling van risico en rendement

Risicobeheer begint met inzicht in risico en rendement. We herhalen hoe risico en rendement met elkaar samenhangen, identificeren risicofactoren en gebruiken die om ons opnieuw te verdiepen in de Moderne Portefeuilletheorie, toegepast op de wereldwijde financiële crisis van 2007–2008.
Hoofdstuk beginnen
2

Doelgericht risicobeheer

Nu is het tijd om je toolkit voor portefeuille-optimalisatie uit te breiden met risicomaatstaven zoals Value at Risk (VaR) en Conditional Value at Risk (CVaR). Hiervoor gebruik je gespecialiseerde Python-bibliotheken zoals pandas, scipy en pypfopt. Je leert ook hoe je de risicoblootstelling kunt beperken met het Black-Scholes-model om een optiep ortefeuille te hedgen.
Hoofdstuk beginnen
3

Risico schatten en identificeren

In dit hoofdstuk schat je risicomaatstaven met parametrische schatting en historische gegevens uit de echte wereld. Vervolgens ontdek je hoe Monte Carlo-simulatie je kan helpen onzekerheid te voorspellen. Tot slot leer je hoe de wereldwijde financiële crisis liet zien dat de willekeur zelf veranderde, door inzicht te krijgen in structurele breuken en hoe je die kunt identificeren.
Hoofdstuk beginnen
4

Geavanceerd risicobeheer

Het is tijd om meer algemene risicobeheertools te verkennen. Deze geavanceerde technieken zijn cruciaal om extreme gebeurtenissen te begrijpen, zoals verliezen tijdens de financiële crisis, en complexe verliesverdelingen die zich kunnen onttrekken aan traditionele schattingstechnieken. Je ontdekt ook hoe neurale netwerken kunnen worden ingezet om verliesverdelingen te benaderen en real-time portefeuille-optimalisatie uit te voeren.
Hoofdstuk beginnen
Kwantitatief risicobeheer in Python
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Kwantitatief risicobeheer in Python!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.

Download on the App StoreGet it on Google Play